网站虽然大部分是原创，但有一个方面不注意的话同样是不会讨百度的喜欢，那就是网站内容重复度。那么百度如何判断网页文章的重复度?下面我们来介绍两个页面相似度确认方法，来看看吧

　　这种方法能够计算的比较准确，可时间复杂度太高，计算很费时间。通过对一个页面中的某些重要信息进行签名，然后比较两个页面的签名，来计算相似度，这种方式比较简单高效，计算速度比较快，比较适合百度这种海量信息的应用场景。

　　1，网站重复内容的判断

　　A，获取多个网页;

　　B，分别提取网页的网页正文;

　　C，从网页正文中提取一个或多个句子，并根据一个或多个句子计算网页正文句子签名;

　　D，根据网页正文句子签名对多个网页进行聚类;

　　E，针对每一类下的网页，计算网页的附加签名;

　　F，根据附加签名判断每一类下的网页是否重复。

　　通过上述方式，网页重复的判断系统及其判断方法通过包括网页正文句子签名在内的多维度签名有效且快速地判断网页是否重复。

　　网站页面基本架构

　　提取正文

　　A，对网页进行分块;

　　B，对分块后的网页进行块过滤，以获取包含网页正文的内容快;

　　C，从内容块中提取网页正文。

　　正文分句

　　A，对网页正文进行分句;

　　在本步骤中，可利用分号，句号，感叹号等表示句子完结的标志符号来对网页正文进行分句。此外，还可以通过网页正文的视觉信息来对网页正文进行分句。

　　B，对分句后的网页正文进行过滤及转换;

　　在步骤中，首先过滤掉句子中的数字信息;版权信息以及其他对网页重复判断不起决定性作用的信息。随后，对句子进行转换，例如，进行全角/半角转换或者繁体/简体转换，以使得转换后的句子的格式统一。

　　C，从过滤及转换后的网页正文中提取最长的一个或多个句子;

　　在本步骤中，过滤及转换后的网页正文提取出最长的一个句子或者做场的预定数量连续句子的组合。例如，某个网页实例中，经过过滤及转换后的某段最长，远超其他句子，因此可选择该段为网页正文句子，或者选择最长的连续句子组合作为网页正文句子。

　　D，对一个或多个句子进行hash签名运算，以获取网页正文句子签名。

　　simhash算法就是比较各网页的附加签名是否相同或相似来判断网页是否重复。具体来说，在比较利用simhash签名运算获得的网页正文签名时，比较网页正文签名的不同位数，不同位越少，表示网页重复的可能性越高，在比较其他的附加签名时，若附加签名相等，表示网页在该纬度上重复。

　　总结：

　　1、两个网页的真实标题签名相同。

　　2、两个我那工业的网页内容签名相同。

　　3、两个网页的网页正文签名的不同位数小于6.。

　　4、两个网页的网页位置签名相同，并且url文件名签名相同。

　　5、评论块签名、资源签名、标签标题签名、摘要签名、url文件名签名中有三个签名相同。

　　附加信息整站判断重复标准：

　　通过两两页面比较，可以得到真重复url的集合。一般来说，如果这个真重复url集合中的网页的数量/整个网页集中网页的数量大于30%，则认为整个网页集都是真重复，否则就是假重复。

线上推广引流专业

搜索引擎优化作弊常见的10种方法

在此我们列出被Google明令禁止的属 SPAM性质的优化技术供大家借鉴。 优化的方式形形色色，一般无外乎按照一定的关键词，通过对网站结构，页面因素和外部链接的优化，使网站得到最佳的搜索引擎排名。但事实上我们发现，有一些网站

在此我们列出被Google明令禁止的属 SPAM性质的优化技术供大家借鉴。

优化的方式形形色色，一般无外乎按照一定的关键词，通过对网站结构，页面因素和外部链接的优化，使网站得到最佳的搜索引擎排名。但事实上我们发现，有一些网站由于采取了不正确的优化策略，不但未能有效提升网站的排名，反而使网站排名惨跌甚至遭到搜索引擎删除。

在此我们列出被Google明令禁止的属 SPAM性质的优化技术供大家借鉴。

一：隐藏文本/隐藏链接

一般指网页专为搜索引擎所设计，但普通访问者无法看到的文本内容或链接。在形形色色的隐藏技术中，最常见的就是把文本或链接文字的字体颜色设置为与背景色相同或十分接近。

隐藏文本内容（Invisable/hidden text）

意欲在不影响网站美观的前提下通过包含大量关键词的网页提高关键词相关性得分，从而达到改善搜索引擎排名的目的。

隐藏链接（Invisable/hidden links）

意欲在不影响网站美观的前提下通过在其它页面添加指向目标优化页的隐形链接，通过提升链接得分而改善搜索引擎排名。

现在大多数搜索引擎都能检测隐藏技术，并视为作弊。因而包含隐含文本的网页面临被搜索引擎降低排名甚至删除列表的惩罚。虽然在Google上不乏使用隐形技术而侥幸逃脱的网站，但多数人还是认为不值得冒这个险。其实通过添加可视文本内容并保证一定的关键词密度可达到相同的优化效果。

二：网页与Google描述不符

一般发生于先向搜索引擎提交一个网站，等该网站被收录后再以其它页面替换该网站。“诱饵行为（Bait-&-Switch）”就属于此类偷梁换柱之举–创建一个优化页和一个普通页，然后把优化页提交给搜索引擎，当优化页被搜索引擎收录后再以普通页取而代之。

三：误导性或重复性关键词

误导性关键词（Misleading Words）

在页面中使用与该网页毫不相干的误导性关键词来吸引查询该主题的访问者访问网站。这种做法严重影响了搜索引擎所提供结果的相关性和客观性，为搜索引擎所深恶痛绝。

重复性关键词（Repeated Words）

这种作弊技术也被称为“关键词堆砌欺骗（Keyword Stuffing）”，它利用搜索引擎对网页正文和标题中出现的关键词的高度关注来对关键词进行不合理的（过度）重复。类似的其它做法还包括在HTML元标识中大量堆砌关键字或使用多个关键字元标识来提高关键词的相关性。这种技术很容易被搜索引擎察觉并受到相应惩罚。

四：隐形页面（Cloaked Page）

对实际访问者或搜索引擎任一方隐藏真实网站内容，以向搜索引擎提供非真实的搜索引擎友好的内容提升排名。

五：欺骗性重定向（Deceptive redirects）

指把用户访问的第一个页面（着陆页）迅速重定向至一个内容完全不同的页面。

“鬼域（Shadow Domain）”

这是最常见的欺骗性重定向技术，通过欺骗性重定向使用户访问另外一个网站或页面。一般利用HTML刷新标识（Meta Refresh）来实现。大多搜索引擎都不会索引使用该标识的页面。如果你使用刷新标识来检测浏览器或分辨率，那么就请使用javascript，且尽可能延长重定向时间。如果一定要使用重定向功能，那么请务必确保刷新周期不少于10秒钟。

还有一种情况就是当用户打开一个网站，该网站声称其网站已移至新域名下，并请用户点击新域名链接进入网站。但当用户进去后才发现，这个链接是一个“会员”链接。这也属欺骗性重定向行为。

六：门页（Doorway Page）

也叫“Bridge/Portal/Jump/Entry Page”。是为某些关键字特别制作的页面，专为搜索引擎设计，目的是提高特定关键词在搜索引擎中的排名所设计的富含目标关键词的域名，且重定向至另一域名的真实网站。搜索引擎的Spiders往往忽略对那些自动重定向到其它页的页面的检索。

七：复制的站点或网页

最常见的当属镜象站点（Mirror Sites）。通过复制网站或卬页的内容并分配以不同域名和服务器，以此欺骗搜索引擎对同一站点或同一页面进行多次索引。现在大多数搜索引擎都提供有能够检测镜象站点的适当的过滤系统，一旦发觉镜象站点，则源站点和镜象站点都会被从索引数据库中删除。

八：作弊链接技术/恶意链接（Link Spamming）

典型的作弊链接技术包括：

链接工厂（link farms）

大宗链接交换程序（bulk link exchange programs）

交叉链接（Cross Link）

“链接工厂”（亦称“大量链接机制”）指由大量网页交叉链接而构成的一个网络系统。这些网页可能来自同一个域或多个不同的域，甚至可能来自不同的服务器。一个站点加入这样一个“链接工厂”后，一方面它可得到来自该系统中所有网页的链接，同时作为交换它需要“奉献”自己的链接，籍此方法来提升链接得分，从而达到干预链接得分的目的。如今搜索引擎发现它们已然不费吹灰之力。只要发现，不管属有意还是无意，“链接工厂”中的所有站点都难逃干系。

九：日志欺骗行为

通过对一些页面等级较高的站点进行大量的虚假点击以求名列这些站点的最高引用者日志中，从而获得它们的导入链接。Google已然意识到这种行为并将对利用这种途径获得导入链接的站点采取相应措施。

十：门域（Doorway Domain）

专为提高特定关键词在搜索引擎中的排名所设计的富含目标关键词的域名，然后重定向至其它域名的主页。由于搜索引擎一般忽略自动重定向至其它页的页面的检索，所以不提倡使用这种技术。

这大约是去年此时发生的一件事情，算不上故事，我只能尽量凭着记忆把它叙出来。

刚毕业时，在郑州找了个工作，工资不高，勉强糊口，再加上住在市郊，去市区一远二堵，所以即使是周末也往往是窝在屋里，虽然偶尔也有朋友招呼，但考虑到囊中羞涩，也多是能推就推。那年年末，朋友从南方回来约我们相聚，虽然十分乐意去，可那时候正处在等工资的尴尬时候，又觉得自己一年多来浑浑度日，实在狼狈，无脸见人，所以便推托说今天要下雪，去市区十分不方便。但朋友似乎早就看穿了我的心思，说是公司年会抽到了全国通用的某餐饮网巨头的消费券，不用白不用，我这才结结巴巴地答应说去。

跟想象的不太一样，本想着大家即使不至于抱头痛哭互诉衷肠，也至少会追忆感慨一番，谁知道聚会有些索然无味，大家都有各种苦衷，但出于男人的所谓自尊，又都不愿轻易吐露，只好都一瓶又一瓶地灌自己。

离开时已将近十点，室外已经开始淅淅沥沥地下起了雨夹雪，由于住得比较偏僻，所以要先乘地铁到终点站，再换乘一辆夜班公交，出了地铁口，雪已经下得很大了，大片大片的雪花映着橘黄色的路灯灯光纷纷扬扬地洒了下来，显得分外好看，把这个寒冬的深夜点缀得有了一丝暖意，可惜此刻似乎并没有人有心情欣赏这种奢侈的美。夜班公交的起点站稀稀拉拉地站着一些人，时不时地朝公交车驶来的方向张望并掏出手机来看一看，他们可能是加班刚下班的，也可能是聚会刚结束的，有的撑着伞，有的戴着帽子，还有的，比如我旁边的这一个，没有任何防护措施地淋着雪，看不出来是享受还是麻木。当然，也许仅仅是因为站牌遮雨棚下已经挤满了人，而他又恰好没有带伞。这个看上去比我大一些的青年西装革履，上身披着一件羽绒服，背着一个与西装不太协调的双肩包，脚下卷起的西裤裤管和白袜子显得有些刺眼，不知是冻得还是他身上的包压得，他微微地佝偻着身子，瑟瑟发抖，我轻轻地将伞往他那边歪了歪，他有所察觉，先是一惊，然后略带紧张地笑了笑，小声地说了声谢谢，看得出来，他的吃惊和谢谢里都带着疲惫，但是很真诚。

过了没多久，车来了，他向我点点头示意让我先上，其实人并不多，无所谓先上后上。我坐到了倒数第二排的单人座上，我喜欢这个位置，它靠后，单人，就像我平时去店里吃饭所坐的位置。他径直走向了我同侧的最后一排，也就是我后面。透过余光，我看见他侧着身子开始放下他的裤管并小心地朝下扯，并轻轻地抹平，然后又掏出纸巾仔细地擦拭皮鞋上的泥水，我想，也许他明天还得上班，这应该是他珍爱的一套装备。果然，从他不停地微信语音联系业务里我听出来了他是做保险销售的，明天还要上班，待会儿还要在某一站叫一个人上来。

车驶出五六站，上来了一个穿着时尚的女孩子，这么冷的天，上面露着脖子，下面露着脚脖子，一脸不快地朝我走了过来，让我又喜又惊——果然是我想多了，我后面的青年赶紧迎了上去，“冷不冷啊”“累不累啊”“今天玩得开心吧?我今天又做成了几单呢”那个女孩子似乎实在高兴不起来，只是淡淡地吭了吭，他俩在我后面坐下了，青年继续嘘寒问暖，女孩子继续不买账，还显得很烦躁，终于，她爆发了：“你到底跟不跟我结婚?”可能是他们都意识到声音有些大，青年赶紧嘻嘻哈哈地安慰：“你看着可小哩急啥啊。”

“小?我看着小，我过了年都27了啊!我们的同学还有几个没结的?你们男的拖得起，我们女的能行吗，老是让等你等你，我还得等几年?今天班里那XX的孩子都会叫我阿姨了啊!”声音还是很大，还带着不小的怨气。

“是我不愿意结还是你家里不让结?!”男孩子似乎是脸上有点挂不住，所以有点生气，但还是刻意压低了声音。

“是我爸妈不让结还是你根本就不商量?我们县有什么不好，总比你们村强得多吧，留在那儿不行吗，他们只不过想让我离他们近一些，他们要求你大富大贵了吗?要求你买房买车了吗?”

“他们没要求买房买车?他们没这要求我早去你家提亲了!”

“那还不是你非要留在北上广他们才说的那样的气话!我不是不相信你，我相信你，我相信你以后一切都会有的，可是我真的等不起了，我每天都在承受的家里给我的压力，这几年我最怕的就是回家过年，亲戚们老是说是非，我妈在我面前哭着让我跟你分，我爸因为我的事都快跟我翻脸了，真的，我要疯了!我怎么办啊?!你家里还那么迷信，我年轻时都不同意，我都要老了他们更有理由了，我们的感情还管用吗，你给我点安全感好不好?”女孩子说着说着更激动了，还有了哭腔。

车里的人似乎并不在意这对年轻恋人的争吵，他们大多在盯着手机屏幕，应该是面无表情的吧。关了灯的车厢里，屏幕的光亮星星点点，大家都安坐在自己的黑暗里。偶有几个人回头，我想他们也是和我一样，并不是对争吵的内容感到新奇或新鲜，而是惊异于有人为什么不顾体面，在公开场合，在陌生人面前，就急于撕破这些生活的外衣?人活于世，谁没当过几回悲欢离合的主角呢?在这个偌大的城市里，谁的欢笑或泪水都渺小得不值一提。

“你别哭别老哭，我这不是已经没去北上广留在省内了吗，我也着急，今年我的业绩就不错，我也急，明年，也许明年我就能买房了，别太急，到时候咱们再好好跟你爸妈谈好不好?接他们过来!”青年显然没想到女孩子会在车上爆发，所以听上去有些语无伦次。

“那还得多少年?!你不是二代没有关系你知道你得多拼多少年吗?!我们就回我们县好不好，我真的不想在这呆了，我爸妈就我一个闺女啊，他们离不开我，我也不能离开他们，我也离不开你，我们县城的房子比这便宜的多，人比这儿少，环境也好……”女孩子几乎用哀求的口气。

青年长叹了一口气，“你要我一辈子待在那个小县城吗?你让我以后的生活死在27岁吗?”

之后是一段漫长的沉默，车上的电台里传出来DJ嘻嘻哈哈的玩笑，与此刻车里令人煎熬的沉默显得十分违和，房价、油价、发改委、逼婚、剩女都可以成为局外人绝佳的调侃素材，可当它们真真切切地发生时，只有当事人才能体味其中的痛楚。DJ终于结束了他们的谈笑，放了一首许美静的《都市夜归人》——“你忘了吧所有的甜美的梦，梦醒后或者才见温暖的曙光。”

鲁迅先生讲：“人生最痛苦的是梦醒了无路可走，做梦的人是幸福的;倘没有看出可以走的路,最要紧的是不要去惊醒他。”我不知道是青年在做梦还是女孩子在做梦，是他们叫醒了我，还是我该去叫醒他们。

到站了，我慌忙跳下了车，想逃离这种困境，跑了几步，又想到了什么，便回头看了看，车已经出了站，越驶越远，渐渐消失在了被风雪染得灰白的远方，那远方到底是家，还是无边的旷野呢?

雪下得更大了，北风也跟着起了势，真冷啊，我裹紧衣服，走进了风雪里。

文章来源：乐读网    二月匆匆